指标体系

1. 背景

问题：是否存在某个单一财务指标可以全面地衡量公司的盈利状况？

答案：不存在单一的指标可以全面的衡量公司的盈利状况，企业的经营管理是复杂的，需要使用多维度的财务指标，这样才能对复杂的经营状况做出判断。

在帆软市场，有两家超市，A 超市和 B 超市，我们该如何衡量这两家超市的经营状况与盈利能力呢

小张说：第一个涌入脑海的指标大概就是「收入」吧，我们先看看哪家超市「收入」多

小王说：不对不对，应该看「利润」，哪家利润多，哪家的盈利能力才强

小蔡说：我们要看利润占收入的比例，也就是「利润率」

小李说：我们可以看看两家超市的「投资回报率」，也就是每投入100元，每家超市可以赚多少钱

其实每个人的单一指标，都无法全面的衡量超市的经营状况与盈利能力，我们需要在这一系列指标中找到线索来进行综合判断。

项目

A 超市B 超市

收入1000万元10000万元

成本800万元7000万元

利润200万元3000万元

利润率20%30%

总投资额1000万元20000万元

投资回报率20%15%

指标体系不完整

各部门跟进自身业务需求，都有一部分的量化指标，但是不够全面，也缺乏方法论指导，对与企业整体数据分析应用能力提升的指导作用有限

缺乏整体考量而设置的指标体系，以及错误的指标分析方法，会产生错误的分析结果，进而影响运营层面、产品改进方面的决策

2. 指标体系化

2.1 单一指标 VS 指标体系化

非体系化的指标通常是单点分析，出现什么问题，分析什么，然后改进，如果改进了仍然有问题，那就再接着换一个点分析

而体系化的指标通常能够结合问题所在的背景、串联各个指标、通过各种维度进行分析，从而使优化方案更加有针对性

2.2 指标字典和指标体系的区别

指标字典，其实纯粹是指标和维度的集合，指标与指标之间是没有太多逻辑关系的，最多只是将不同业务模块的指标集中在一起。

但指标体系，指标之间是有逻辑关系的，是有机的整体。

2.3 一个好的指标体系

能准确快速的下结论，能定义业务运作好坏的结论；

能满足多数场景的归因，即使出现异动，也能快速定位原因

在数据分析中，一个好的指标体系可以帮助你更快、更精准的找到答案。

3. 指标体系建设通用方法

3.1 指标体系建设的通用原则

用户第一：从用户中来到用户中去，指标体系核心是围绕能够反映实际业务情况的目的去的，因此，指标不是越多越好，也不需要「虚荣指标」，「虚荣指标」是需要在建设过程中注意避免的

典型性原则：尽量选择比较典型、比较具备代表性的指标，这些指标能够反映业务的真实情况，其中最重要的指标叫做「北极星指标」

系统性原则：指标体系是需要强调系统性的，需要做一个有机的系统整体，常见的就是找到核心的原子指标，然后延伸，最终形成类似二叉树一样的树状结构指标体系，做到每个指标有根可循

动态性原则：数据指标体系是随着业务发展变化、随着数据分析需求变化的，因此需要不断的去做指标体系的维护与迭代更新

3.2 指标体系建立的通用方法

3.2.1 定义北极星指标的6个标准

北极星指标就像北极星一样，高高闪耀在空中，指引着全公司所有人员向着同一个方向迈进

标准1：你的产品的核心价值是什么？这个指标可以让你知道你的用户体验到了这种价值吗？

标准2：北极星指标要具备典型性，能够看出长期一段时间的变化情况与表现情况的好坏

标准3：如果这个指标变好了，是不是能说明整个公司是在向好的方向发展？

标准4：这个指标是不是很容易被整个团队理解和交流呢？

标准5：这个指标是一个先导指标，还是一个滞后指标？

标准6：这个指标是不是一个可操作的指标？

3.2.2 贯穿业务全流程

电商行业常见的 AARRR 模型包含获取、激活、留存、变现、扩散五个步骤，也是电商行业产品和商业模式的业务全流程，作为一个很好理解的案例来阐述，任何一个企业的指标体系都是需要能够对企业内部的业务做一个闭环串联的理念，否则指标体系很难做成为一个体系，也是业务域或者数据域的一种划分方法。

3.2.3 贯穿分析全流程

作分析的过程往往有三步：问题背景是什么、要分析什么才能解决这个问题、怎么分析

映射到数据指标体系中则上升为要考虑指标体系的目标是什么、指标体系的用户的业务目标是什么

再考虑要实现这些目标会有哪些表现、哪些信号能够支撑他们的目标关注

最后再找出相关的指标来支撑数据指标体系的构建

3.3 指标体系建立的通用步骤

确立公司业务的核心指标：

找到能够去体现公司业务完成情况、进展情况的指标，也就是常说的北极星指标

确立用户行为的关键指标：

常说的过程性关键指标

进行业务需求的多维拆解：

将指标按照业务域、数据域进行拆分或者延伸

按照优先级进行系统性整合与建设：

经过前面三步的分，在最后需要进行整合，将指标系统性的整合与构建，去除重复指标、虚荣指标、无意义指标。当指标数量过多时可以按照优先级分类，先做一部分再做一部分，不断迭代完善

4. 如何拆解数据指标

数据指标拆解方法

5. 案例

https://bbs.fanruan.com/thread-135894-1-1.html